代码仓库地址: pandas入门
学习目标：
- 大致了解 pandas 库的
DataFrame和Series数据结构 - 存取和处理
DataFrame和Series中的数据 - 将 CSV 数据导入 pandas 库的
DataFrame - 对
DataFrame重建索引来随机打乱数据
pandas 是一种列存数据分析 API。它是用于处理和分析输入数据的强大工具，很多机器学习框架都支持将 pandas 数据结构作为输入。 虽然全方位介绍 pandas API 会占据很长篇幅，但它的核心概念非常简单，我们会在下文中进行说明。有关更完整的参考，请访问 pandas 文档网站，其中包含丰富的文档和教程资源。
基本概念
以下行导入了 pandas API 并输出了相应的 API 版本：
import pandas as pd
pd.__version__
pandas 中的主要数据结构被实现为以下两类：
DataFrame，您可以将它想象成一个关系型数据表格，其中包含多个行和已命名的列。Series，它是单一列。DataFrame中包含一个或多个Series，每个Series均有一个名称。
数据框架是用于数据操控的一种常用抽象实现形式。Spark 和 R 中也有类似的实现。
创建 Series 的一种方法是构建 Series 对象。例如：
pd.Series(['北 京', '上 海', '深 圳'])
您可以将映射 string 列名称的 dict 传递到它们各自的 Series，从而创建DataFrame对象。如果 Series 在长度上不一致，系统会用特殊的 NA/NaN 值填充缺失的值。例如：
city_name = pd.Series(['北 京', '上 海', '深 圳'])
population = pd.Series([852469, 1015785, 485199])
pd.DataFrame({'City name': city_name, 'Population': population})
但是在大多数情况下，您需要将整个文件加载到 DataFrame 中。下面的示例加载了一个包含加利福尼亚州住房数据的文件。请运行以下单元格以加载数据，并创建特征定义：
california_housing_dataframe = pd.read_csv("./data/california_housing_train.csv", sep=',')
california_housing_dataframe.describe()
上面的示例使用 DataFrame.describe 来显示关于 DataFrame 的有趣统计信息。另一个实用函数是 DataFrame.head，它显示 DataFrame 的前几个记录：
california_housing_dataframe.head()
pandas 的另一个强大功能是绘制图表。例如，借助 DataFrame.hist，您可以快速了解一个列中值的分布：
california_housing_dataframe.hist('housing_median_age')
访问数据
您可以使用熟悉的 Python dict/list 指令访问 DataFrame 数据：
cities = pd.DataFrame({'City name': city_name, 'Population': population})
print(cities['City name'])
cities['City name']
print(type(cities['City name'][1]))
cities['City name'][1]
print(type(cities[0:2]))
cities[0:2]
此外，pandas 针对高级索引和选择提供了极其丰富的 API（数量过多，此处无法逐一列出）。
操控数据
您可以向 Series 应用 Python 的基本运算指令。例如：
population / 1000.
NumPy 是一种用于进行科学计算的常用工具包。pandas Series 可用作大多数 NumPy 函数的参数：
import numpy as np
np.log(population)
对于更复杂的单列转换，您可以使用 Series.apply。像 Python 映射函数一样，Series.apply 将以参数形式接受 lambda 函数，而该函数会应用于每个值。
population.apply(lambda val: val > 1000000)
DataFrames 的修改方式也非常简单。例如，以下代码向现有 DataFrame 添加了两个 Series：
cities['Area square miles'] = pd.Series([46.87, 176.53, 97.92])
cities['Popuation density'] = cities['Population'] / cities['Area square miles']
cities
索引
Series 和 DataFrame 对象也定义了 index 属性，该属性会向每个 Series 项或 DataFrame 行赋一个标识符值。
默认情况下，在构造时，pandas 会赋可反映源数据顺序的索引值。索引值在创建后是稳定的；也就是说，它们不会因为数据重新排序而发生改变。
city_name.index
cities.index
调用 DataFrame.reindex 以手动重新排列各行的顺序。例如，以下方式与按城市名称排序具有相同的效果：
cities.reindex([2, 0, 1])
重建索引是一种随机排列 DataFrame 的绝佳方式。在下面的示例中，我们会取用类似数组的索引，然后将其传递至 NumPy 的 random.permutation 函数，该函数会随机排列其值的位置。如果使用此重新随机排列的数组调用 reindex，会导致 DataFrame 行以同样的方式随机排列。
尝试多次运行以下单元格！
cities.reindex(np.random.permutation(cities.index))
有关详情，请参阅索引文档。